Ons werk

Wachttijden op containerterminal voorspellen

Wanneer kan de containerterminal in Rotterdam een piek verwachten van vrachtwagens die een container komen ophalen? Hoelang doet een vrachtwagen over de containerafhandeling op de terminal? Door real-time data van vrachtwagens en de terminal te combineren, kan het proces van containerafhandeling veel efficiënter worden ingericht. TNO bouwde samen met marktpartijen in de logistieke keten een demonstratiemodel.

De planners van een terminal weten nooit precies bij welke blokkengroep en op welk moment een piek van vrachtwagens ontstaat, met aanzienlijke wachtrijen voor vrachtwagens tot gevolg. Dat maakt het lastig om de zogenaamde straddle carriers (mobiele containerkranen) goed in te plannen. Om de voorspellingen te verbeteren bouwden we twee modellen: een model dat de aankomst van een vrachtwagen op de terminal voorspelt, en een complexer model dat voorspelt hoelang de vrachtauto op de terminal bezig is.

Kansen

Vrijwel elke vrachtauto is tegenwoordig uitgerust met een On Board Unit (OBU) die is verbonden aan een backoffice voor de transportplanning. Als de vervoerder toestemming geeft aan zijn IT-serviceprovider om een koppeling te maken tussen de OBU en TNO’s IT-platform, dan wordt inzichtelijk waar elke vrachtwagen zich bevindt, wat de eerstvolgende bestemming is en welke container daar wordt afgehandeld. De terminal beschikt weer over andere informatie, zoals de huidige drukte bij de blokkengroepen en waar een specifieke container staat. Door al die data te ontsluiten en combineren, wordt het mogelijk om voorspellingen te doen over de drukte bij specifieke blokkengroepen in de toekomst en de doorlooptijd van specifieke vrachtwagens op de terminal. TNO’s IT-platform, Smart Data Factory, biedt oplossingen. We zochten contact met innovatieve partijen in de Rotterdamse haven. Containervervoerders JGT, HEBRA en Overbeek waren bereid om mee te werken, evenals de ECT Delta Terminal.

Betere voorspelling

Omdat de vervoerders alle drie gebruikmaken van een OBU van Transics, konden we de data efficiënt ontsluiten. Vervolgens koppelden we die via ons dataplatform aan door TNO ontwikkelde slimme datamodellen voor personenauto’s, die informatie gebruiken over weersverwachtingen en drukte op de weg voor het voorspellen van reistijden. Na enige aanpassingen voor vrachtwagens, lag er een model dat de aankomsttijd op de terminal voorspelt. De volgende uitdaging betrof de terminal: hoe druk wordt het daar en hoelang moet de chauffeur wachten voor hij wordt geholpen? Een vrachtwagen die stilstaat kost de vervoerder geld. Beschikt de vervoerder over een betere en tijdige voorspelling van de wachttijd, dan kan hij zijn planning aanpassen. Daarom combineerden we ook die data in de modellen, zodat zinvolle inzichten ontstaan.

Finetuning

Met het demonstratiemodel lieten we zien dat het technische werkt (proof-of-concept). De volgende stap is een pilot, waarbij marktpartijen in de praktijk met het systeem aan de slag gaan en wij voor de finetuning zorgen. Tot slot zal een IT-serviceprovider de dienst gaan aanbieden. Ziet u mogelijkheden voor een soortgelijke toepassing en wilt u daar een rol in spelen, neem dan contact op met TNO.

Ons werk

Smart Data Factory for Logistics

De planner in Venlo weet exact hoe laat zijn container van de terminal in Rotterdam gaat vertrekken. Het binnenvaartschip met olieproducten in de Amsterdamse haven zoekt niet langer dan noodzakelijk naar... Lees verder

Contact

Ir. Siem van Merriënboer

  • Intelligente Transport Systemen
  • Zelforganiserende Logistiek
  • Slimme informatieplatformen
  • Big data
  • DEMANES
E-mail

Wij gebruiken anonieme cookies om het gebruik van onze site te verbeteren.